基于LVQ神经网络的医学图像识别研究

以医学肝脏CT图为研究对象,设计了一种基于LVQ神经网络的医学图像识别方法。基本思想是首先确定图像ROI区域,并作灰度映射变换。接着提取其颜色、纹理和形状特征构成表征医学图像的特征矢量,最后将特征归一化后利用LVQ神经网络进行识别。通过与其他典型神经网络识别方法的实验比较,结果表明,设计的方法能取得更为理想的识别效果。     

X射线检测焊缝的图像处理与缺陷识别

根据射线检测焊缝图像的特点,设计了图像去噪、增强的算法;针对焊缝缺陷对比度差、光照不均、纹理较多等不利因素,在去除焊缝背景情况下,设计了动态划分焊缝区域算法,利用局域阈值法分割提取出对比度不均的缺陷;通过对焊缝缺陷特征分析,选取缺陷识别的特征参数;建立了用于焊缝缺陷识别的模糊神经网络模型。试验结果表明,图像预处理和缺陷提取是成功的,提出的识别算法能够提高介于模糊边界模式分类时的识别率,对焊缝缺陷识别的效果优于分类识别法。     

支票自动处理系统中的图像处理及识别

为对银行支票进行自动分析、验证、检索,该文设计了一种支票自动处理系统,介绍了图像处理及识别技术在该系统中的应用,描述了一种支票要素自动分割方法及针对支票图像的处理与识别算法,成功地实现了强噪声情况下支票部分要素的图像分割和识别,具有较好的稳定性和很强的抗噪声能力。对５５０张真实使用的支票做版面分割、角码区域分割识别实验,其中版面分割正确率为１００％,角码分割识别准确率为９９１％。另外该文实现了一种小波编码压缩算法,在较高的压缩率下获得了较好的图像质量,极大地节约了支票图像的备份空间。     

中文字符识别系统的研究与实现

为提高字符识别率,将 DAG-SVM(Directed Acyclic Graph Support Vector Machine)算法应用于字符识别, 提出了一种基于 DAG-SVM 的 OCＲ(Optical Character Ｒecognition) 中文字符识别系统,分别对图像预处理、 分割,字符识别 3 个模块进行了研究与实现。图像预处理采用图像滤波、灰度化处理、图像归正; 图像分割包 括二值化处理、横向及纵向分割; 字符识别模块对当前流行的三大类算法进行了研究,选用 DAG-SVM 作为字 符识别的算法,并基于 Matlab 进行了实现及验证。结果表明该系统 OCＲ 字符识别率达 92． 86%。     

深度学习在图像识别中的应用

深度学习通过建立深层神经网络来模拟人脑进行分析、学习和解释数据,被广泛用于图像识别领域.首先,简述了深度学习在图像识别中的研究现状;其次,介绍了卷积神经网络、深度置信网络、循环神经网络和生成对抗网络等几种常用于图像识别领域的深度学习网络模型;然后,从人脸识别、动作识别、跌倒检测等方面,论述了深度学习在图像识别领域的典型应用;最后,探讨了该领域的研究难点及发展前景.深度学习可以从不同的图像中自动提取相似的特征并进行分类,识别率高,鲁棒性强,推动了人工智能背景下图像识别的发展.无监督学习、对抗网络等将成为深度学习领域的热点.     

图像特征提取研究

图像特征提取是图像识别的关键步骤,图像特征提取的效果如何直接决定着图像识别的效果.如何从原始图像中提取具有较强表示能力的图像特征是智能图像处理的一个研究热点.本文旨在介绍各种图像特征提取方法的基本思想、特点和研究发展现状,以引起国内学者的进一步关注.     

基于DSP的虹膜图像采集系统

提出了一种基于红外光源的、以浮点DSP芯片TMS320VC6711为核心的虹膜图像采集系统，介绍了其工作原理、软硬件设计与实现．通过测试验证，此系统具有很高的稳定性和可靠性，为虹膜识别算法的研究提供了高质量的虹膜图像．     

计算机颅脑CT图象病变识别

介绍一个计算机ＣＴ图象病变识别系统，它由图象预处理软件、图象分类识别及图象库管理系统三部分组成．     

基于DSP＋FPGA的实时图像识别系统硬件与算法设计

图像识别算法的运算量大,控制复杂,对系统的性能要求很高,DSP的结构特殊和性能优良,能很好地满足系统的需要,笔者选用ADS-BF535作为图像识别模块的核心,负责图像识别算法的实现,选用高速灵活的XC2S200 FPGA作为图像采集模块的核心,负责图像的采集,完成预处理工作,从而保证了系统的实时性,系统使用模板匹配和BP网络识别这2种算法对数字0-9进行识别。研究表明：在DSP＋FPGA的构架上实现的图像识别系统,结构灵活、通用性强,提高了算法的效率,充分发挥DSP和FPGA结合的优势,准确快速地实现了图像识别。     

小样本学习在高分遥感影像分类与识别中的应用

遥感影像分类与识别是近年来深度学习以及图像分类与识别研究的热点,其中一个关键问题是因样本数据集的数据较少而极易出现过拟合。许多图像分类的模型和方法并不完全适用于遥感影像分类,将小样本学习与遥感影像处理结合起来,实现遥感影像数据增强和识别模型优化是一个可行的思路。根据小样本学习的发展现状,针对特征提取、模型分类方法,归纳总结了典型学习方法的原理及其在相关领域的应用; 分析遥感影像处理的现状和存在问题,基于适用场景、优缺点对各方法进行了比较; 通过分析小样本学习在高分遥感影像分类与识别上的应用,发现引入注意力机制和迁移学习后,小样本学习能够用于样本数据量小的遥感影像分类。     

图像检索中图像分割方法综述

图像分割是图像分析和模式识别需要解决的首要问题和基本问题,也是图像处理的经典难题。针对图像检索中应用的图像分割方法进行了系统论述,分析了各种方法的优缺点并探讨了图像分割技术的发展方向。具体介绍了基于颜色布局的分割方法,基于无监督的分割方法。     

用于人脸识别的人脸图像标准化算法

人脸图像的标准化，作为人脸图像预处理过程，是计算机人脸识别中很重要的一个环节。论文给出了一种改进的人脸图像标准化算法。该算法首先利用人脸图像的垂直灰度投影曲线确定脸的左右边界；接着根据人脸图像的水平灰度投影曲线来确定眼、嘴的位置；然后依据确定的眼、嘴以及脸的左右边界这些参数对图像进行剪裁和缩放；最后获得人脸的标准图像。采用ORL人脸数据库进行仿真实验，结果表明，该算法基本消除了背景、头发、服装等干扰，保留了人脸识别所需的主要信息，更利于后续的特征提取与识别，解决了常规方法不适合侧面人脸图像或者闭上双眼的人脸图像的问题，是一种有效的方法。     

手背静脉识别的图像处理算法

提出了一种手背静脉图像的有效区域提取方法,在获得手背静脉图像的有效区域后,对图像进行增强和平滑处理,采用动态阈值分割算法对图像进行分割,对分割结果进行平滑细化和去除毛刺处理。仿真实验表明,该算法能够获得失真较小的静脉骨架。     

电视关节镜手术图像处理与分析的技术研究

利用视频捕捉卡将电视关节镜输出信号转变为数字信号 ,使用计算机记录和保存采集的图像 .采用图像边缘检测和图像跟踪算法对获得的关节数字图像进行了图像处理和分析 .在图像处理的基础上 ,自动测量出病变部位的形状参数 .结果表明这些处理和分析方法是非常有效的 .本研究为内窥镜图像自动识别的研究提供了重要的材料     

指纹图像增强算法研究

指纹图像增强在指纹图像预处理过程中有着非常重要的作用,直接影响指纹识别的识别率和识别速度。一般图像增强算法无法满足指纹识别系统的要求,为了提高指纹增强算法的综合性能,现提出一种优化的Gabor滤波方法以增强指纹图像并有效消除噪声,并对Gabor滤波器的参数进行量化。实验表明,该算法能够使图像的质量明显得到增强,方便了后续指纹特征的提取,以提高指纹识别的算法效率和准确率。     

低分辨率人脸序列的超分辨率重构识别

针对低分辨率人脸序列的识别这一问题,提出了一种超分辨率重构识别算法.该算法利用低分辨率序列中所提供的关于同一人脸的不同信息,先重构出一幅具有更高分辨率的人脸图像,然后再进行基于Gabor特征的人脸识别.实验结果表明,该算法能够显著提高人脸识别率.     

纸币号码图像预处理及识别技术

在不去除纸币号码图像背景的前提下,为了进一步提高纸币号码图像识别的工作效率和准确度,本文对纸币号码图像的识别技术做了相应研究。运用图像增强、图像灰度形态学平滑去噪、图像二值化和识别区域的定位等方法对图像进行预处理。以实验分析为基础,应用模板匹配算法和特征结构识别算法相结合来实现纸币号码识别。实验结果表明,该方法针对印度币和人民币号码图像的识别率、识别时间均达到实际使用要求,是能够满足实际需要的综合识别算法。     

一种有效的SAR图象典型目标特征提取和识别方法

在合成孔径雷达（SAR）图象中，需要对其中的人工和自然目标进行识别和分类，目标的特征提取是自动目标识别系统中的关键部分．一般图象的特征会采用颜色、纹理、形状等特征量．在SAR图象中，由于存在大量的背景噪声、目标边界模糊等问题，造成以上特征量在分类时往往不能达到很好的分类效果．作者提出了一种典型目标特征提取和分类识别方法、这种方法基于SAR成像的原理，在图象灰度阂值分割后做粗搜索分别提取灰度特征，椭圆矢量特征，以及栅格特征，然后进行SAR图象典型目标的分类识别、实验表明，这种方法效果较好．     

融合目标轮廓和阴影轮廓的SAR图像目标识别

针对合成孔径雷达图像目标识别问题,在基于图像成像模型分析基础上,提出了一种融合SAR目标轮廓和阴影轮廓的目标识别算法.首先提出了一种基于去控制标记符的SAR图像分割算法,得到SAR图像目标轮廓和阴影轮廓,然后用这2种轮廓融合,用傅立叶描述子将二维数据转为一维数据,最后用基于串接准则的融合算法得到识别结果,进行SAR目标识别.基于MSTAR的实验结果验证了本算法的有效性.实验结果证明:目标轮廓和阴影轮廓的结合,除反映本身包含的局部空间结构信息外,还能反映SAR目标的高度信息,较单一轮廓特征,是一种更为稳健的特征.     

一种快速手势识别算法的实现与验证

基于大多数的手势识别算法,需要提取高维度的特征,限制了手势识别在实时系统中的应用。文中针对这种问题,提出一种快速的手势识别算法。首先,在原始图像上提取轮廓块边缘对目标区域进行分割。其次,提取目标区域的形状特征。然后,在数据库中,对每种手势只记录一幅标准的参考图像。最后,通过比较参考图像与待检测图像中的手势特征,来匹配和标记手势的含义。实验结果表明,文中提出的快速算法能够准确地识别手势。